检索结果-南通市图书馆

基于WKLSC-LWKL相似性度量策略的转炉炼钢终点碳温软测量方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

控制与决策 2022年第11期37卷 2869-2879页

作者：杨路刘辉熊倩昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500

转炉炼钢终点控制的关键是实现碳温准确预测.针对炉次样本间波动性较大,导致即时学习的样本相似性度量困难而造成预测精度不高的问题,提出一种基于改进谱聚类算法构建的相似性度量策略.首先,根据过程变量和关键变量间的耦合关系构造全... 详细信息

转炉炼钢终点控制的关键是实现碳温准确预测.针对炉次样本间波动性较大,导致即时学习的样本相似性度量困难而造成预测精度不高的问题,提出一种基于改进谱聚类算法构建的相似性度量策略.首先,根据过程变量和关键变量间的耦合关系构造全局加权KL度量准则的谱聚类算法,获得类间方差较大、类内方差较小的聚类子集以消除炉次样本间的波动;其次,根据类簇间差异信息,融入局部加权KL度量准则计算待测样本隶属于各类的后验概率,从而构造出一种适合描述转炉炼钢过程复杂特性的相似性度量策略;最后,采用该度量策略度量出与待测炉次工况特性更加相似的样本子集,建立相关向量机回归模型进行终点碳温预测.实际转炉炼钢生产过程数据仿真结果表明,碳含量在±0.02%的预测误差范围内精度达到89%,温度在±10°C的误差范围内精度达到92%.

关键词：转炉炼钢即时学习加权KL度量准则谱聚类后验概率

一种基于SVR即时学习的广义预测控制器设计方法及应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种基于SVR即时学习的广义预测控制器设计方法及应用

作者：崔乐远广东工业大学

学位级别：硕士

预测控制方法是近年来出现并快速发展的一类新型的计算机控制算法,它采用多步预测模型、滚动优化和反馈校正等控制策略,有着良好的控制性能和控制效果,适用于控制精确的数字模型不容易建立并且比较复杂的工业生产过程,因而越来越受到国... 详细信息

预测控制方法是近年来出现并快速发展的一类新型的计算机控制算法,它采用多步预测模型、滚动优化和反馈校正等控制策略,有着良好的控制性能和控制效果,适用于控制精确的数字模型不容易建立并且比较复杂的工业生产过程,因而越来越受到国内外工程界的重视。预测控制方法已经在机械制造、电力电子、冶金行业、化学工艺等控制系统得到了较为成功的应用,经过近几年的快速发展,预测控制方法在理论研究上和实际应用方面都取得了较为显著的成果。从预测控制方法近几年的研究发展来看,将它应用在线性时不变系统中的控制算法研究已日趋成熟,并且已经在实际工业中得到成功的应用。但是,对于复杂非线性系统,预测控制的方法理论还有待发展和完善,因而,预测控制方法在复杂非线性系统的应用问题已经成为学术界关注的焦点。从工程应用的角度来看,人们都希望被控对象的模型尽量简单,系统在不确定因素的影响下能够保持良好的鲁棒性,并且可以满足实时控制的需要,要求控制方法相对简单并易于实现。基于统计学习理论的支持向量机,是一种崭新的建模和系统辨识方法。它克服了神经网络存在的局部极小,泛化能力差,结构需要经验确定的缺点,能够任意逼近复杂非线性函数,并且具有良好的泛化性能,近几年已受到控制界的广泛关注。预测控制是以模型为基础的控制方法,因而支持向量机的系统辨识方法可以应用到预测控制方法中。本文从预测控制的研究出发,依据控制方法的特点,将支持向量回归和即时学习算法融入到基于CARMA模型的广义预测控制中,并将所设计的控制方法与一般的广义预测控制进行仿真对比,最后再将其应用在非线性的、约束性较强的典型控制系统中。仿真结果证明所提出控制器的有效性和可行性。

关键词：预测控制广义预测控制支持向量回归即时学习永磁无刷直流电机

基于即时学习与机器学习的重症病人的自适应状态监测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习与机器学习的重症病人的自适应状态监测

作者：李雪建北京化工大学

学位级别：硕士

重症监护室(ICU)是医院的重要构成部分。在ICU中,医护人员通过各种先进的监测设备,对收治的病人实施集中的强化治疗和精心护理,以便最大程度地确保病人的生存。重症病人在进入ICU后,进行死亡率预测和健康状态监测,以便实现医疗资源的合... 详细信息

重症监护室(ICU)是医院的重要构成部分。在ICU中,医护人员通过各种先进的监测设备,对收治的病人实施集中的强化治疗和精心护理,以便最大程度地确保病人的生存。重症病人在进入ICU后,进行死亡率预测和健康状态监测,以便实现医疗资源的合理分配和患者病情的准确诊断。新入住的ICU患者病情状态多样,以往离线的平均模型很难给出准确的结果,也不能跟踪患者的健康状态,监测效果不好。本文根据相似输入得到相似输出的研究思路,构建即时学习与机器学习的自适应模型框架,重点研究ICU患者的死亡率预测和健康状态监测两部分内容。本文把即时学习与极限学习机结合起来用于ICU患者的死亡率预测,其中即时学习从历史数据库中选择与当前输入样本最相似的数据构成训练数据集,极限学习机用于构建局部的个体化模型。选择PhysioNet数据库中的4000个病例,选用24个生理参数,构造137个特征进行实验,实验结果表明本文方法与传统的死亡率评价方法和单独基于机器学习的方法相比,预测效果均有较大提高。与死亡率预测相似,本文把即时学习与主元分析结合起来用于ICU病人的健康状态监测,实验选择MIMIC Ⅱ数据库中的12名ICU病例,实验结果表明本文方法能够自适应地跟踪患者的状态,对患者异常状态有高度敏感性,相比于传统主元分析算法和自适应主元分析算法,其异常状态检出率分别提高约20%和47%。

关键词：即时学习机器学习主元分析重症监测自适应状态监测

基于进化优化和多样性相似度的即时学习软测量建模方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于进化优化和多样性相似度的即时学习软测量建模方法

作者：潘贝昆明理工大学

学位级别：硕士

在过程工业中,一些关键质量参数由于缺乏有效的在线检测手段,只能通过实验室离线分析获得,这成为提升过程监测、控制及优化水平的主要障碍。软测量技术为此类参数的实时估计提供了一种有效途径。其核心是通过建立易测变量与难测变量之... 详细信息

在过程工业中,一些关键质量参数由于缺乏有效的在线检测手段,只能通过实验室离线分析获得,这成为提升过程监测、控制及优化水平的主要障碍。软测量技术为此类参数的实时估计提供了一种有效途径。其核心是通过建立易测变量与难测变量之间的数学模型,实现目标变量的在线预测。即时学习作为一种典型的数据驱动软测量建模方法,具有能够有效处理过程非线性、时变性、多模式、多时段等特征的优势,近年来在软测量应用领域受到了广泛关注。本文以即时学习建模技术为基本框架,研究基于进化优化算法和多样性相似度的高性能即时学习软测量建模方法。论文的主要研究内容总结如下:（1）传统即时学习软测量方法主要采用单一的相似度函数,无法有效处理复杂的过程特征。为此,提出了一种基于混合加权相似度的即时学习软测量方法。该方法以加权欧氏距离相似度为基础,定义了一种混合加权相似度指标。随后,采用混合整数遗传算法对输入变量和混合加权相似度参数进行优化。（2）加权欧氏距离相似度能有效改善即时学习软测量模型的性能,但是加权权值的确定较为困难,而且无法获得一组最优的权值参数。为此,提出了一种基于回归系数加权相似度的集成即时学习软测量方法。该方法首先采用随机子空间法和高斯混合聚类,构建一组多样性的训练样本子集,然后通过偏最小二乘回归分析确定输入特征权值,从而定义一组多样性的加权相似度函数。最后引入集成学习策略实现难测变量的融合预测。（3）构建高性能集成即时学习软测量模型的难点在于获得一组满足多样性和准确性的即时学习基模型。为此,提出一种基于多目标优化加权相似度的集成即时学习软测量方法。该方法通过进化多目标优化生成多样性的加权欧氏距离相似度,从而构建满足多样性和准确性指标的即时学习基模型。然后采用Stacking集成策略对基模型进行融合,从而获得高性能的集成即时学习软测量模型。（4）为了实现即时学习模型复杂度和准确度之间的有效平衡,同时考虑不同相似度指标的性能差异和优势,提出了一种基于三重扰动的集成即时学习软测量方法。该方法基于不同的相似度指标分别建立即时学习模型,并采用进化多目标优化方法对即时学习模型结构和输入变量进行优化。最后通过选择性集成学习实现基模型的精简与融合,有效提升了即时学习模型的预测精度。

关键词：软测量即时学习集成学习多样性相似度进化算法多目标优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习的近红外自适应建模

基于即时学习的近红外自适应建模

作者：刘进江南大学

学位级别：硕士

近红外光谱(Near Infrared Spectroscopy,NIRS)分析技术因其无损、高效、快速、操作简单和低成本等特点,在实时检测中有巨大潜力,成为一种新兴的在线过程分析工具。然而在实际生产过程中,最初建立的近红外模型常常会受到工艺操作条件、... 详细信息

近红外光谱(Near Infrared Spectroscopy,NIRS)分析技术因其无损、高效、快速、操作简单和低成本等特点,在实时检测中有巨大潜力,成为一种新兴的在线过程分析工具。然而在实际生产过程中,最初建立的近红外模型常常会受到工艺操作条件、仪器性能、生产环境、加工原料或催化剂变化的影响,从而降低对目标物性浓度的预测精度,不能满足生产需求。因此需要不断的对模型更新维护,来提高近红外模型的自适应能力。本文针对现有近红外建模稳定性差、使用寿命短的问题,采用通过不断建立局部模型来跟踪过程特性变化的即时学习(Just-in-time Learning,JITL)方法,提高近红外模型的自适应性。然而近红外光谱数据存在维数高、包含冗余噪声以及不相关波长变量的问题,制约了模型的预测性能。因此本文针对近红外在线建模的不足,结合JIT学习的研究动态与近红外光谱数据特征,研究了基于JIT学习的近红外自适应建模并加以改进。具体研究内容如下:(1)基于时空相似度的JIT-Lasso自适应建模。针对工业过程的时变、非线性以及光谱波长变量维数高、信息量大等特性,首先选取Lasso(Least Absolute Shrinkage and Selection Operator)算法作为JIT学习中的局部建模技术。该算法可以同时进行回归分析和波长选择,因此可以剔除包含冗余噪声或无关信息变量的光谱波段,提高模型精度和模型解释能力;为了进一步克服过程时变和非线性问题,研究了综合时间相关性和空间相关性的相似性度量方法。通过对原油脱盐脱水过程的实验验证,表明了所提方法具有更加良好的性能。(2)基于近红外光谱局部与整体特征的自适应建模。在局部建模技术确定的基础上,相似光谱样本的选择对模型精度的影响十分关键,因此在JIT学习框架中进一步融合近红外光谱特征,提出一种基于局部-整体(Local-global)光谱特征的不确定相似性度量准则。该准则融合了光谱学知识,通过局部光谱形状变化和整体光谱信息差异来综合评价近红外光谱样本之间的相似性,并建立基于近红外光谱特征的JIT学习模型。用JIT-PLS和JIT-Lasso建模技术,结合不同相似性度量方法进行原油脱盐脱水过程的物性浓度预测实验对比,验证了基于近红外光谱局部与整体特征的自适应建模的预测性能更优。(3)基于数据库更新指标的近红外自适应建模。JIT学习是一种基于记忆的方法,模型性能很大程度上取决于数据库信息的有效性。因此本文构建了数据库更新指标(Database Updating Index,DUI),并根据实际发生的过程变化类型,提出相应更新数据库的策略:(I)将新光谱样本添加到历史数据库,(II)用新光谱样本替换相应的历史光谱样本。实现在进行JIT学习的同时,完成近光谱样本数据库的更新,进一步提高了模型预测精度。最后将理论成果运用到原油脱盐脱水过程氯化物含量的测量,表明基DUI的JIT建模框架的模型预测具有更优的性能。

关键词：近红外光谱技术即时学习自适应建模 Lasso 时空相似度光谱特征数据库更新

基于即时学习策略的电厂热工参数预测模型及应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习策略的电厂热工参数预测模型及应用研究

作者：张炎欣中南大学

学位级别：硕士

我国电力生产企业在发电效率和能源利用率等方面相对较低,其中一个重要因素就在于许多重要的过程参数(如烟气含氧量、球磨机负荷等)和经济指标难以实现在线实时检测,严重制约了火电厂过程控制和优化运行。针对电力生产过程普遍存在的非... 详细信息

我国电力生产企业在发电效率和能源利用率等方面相对较低,其中一个重要因素就在于许多重要的过程参数(如烟气含氧量、球磨机负荷等)和经济指标难以实现在线实时检测,严重制约了火电厂过程控制和优化运行。针对电力生产过程普遍存在的非线性、强耦合、工况范围变化大等特性,本文采用基于分治策略框架下的局部建模方法进行烟气含氧量、球磨机负荷等热工参数的软测量研究,主要研究工作及创新性如下：(1)基于即时学习策略的改进支持向量机预测建模方法针对锅炉燃烧过程、制粉系统等具有的非线性、强耦合、工况范围广等特点,而采用基于数据驱动的全局建模方法(如神经网络、支持向量机等)又难以建立一个有效的全局软测量模型,因此,本文依据统计的局部学习理论,提出一种基于即时学习策略的改进SVM在线建模方法。在分析历史数据样本相似性的基础上,提出一种基于距离和角度信息的相似样本选取方法,构造即时学习算法的建模邻域,以提高相似样本的选取精度。由于建模邻域中相似样本规模较小,为此采用具有小样本建模能力的支持向量机模型作为局部模型,并采用改进粒子群优化算法对支持向量机建模方法中3个关键参数进行寻优,以获得最佳的局部预测模型,从而提高模型的预测精度。由于基于即时学习策略的局部预测方法是在线进行的,基于对样本数据集的检索精度和检索效率两方面的考虑,采用加权模糊C均值聚类算法对数据样本集进行聚类,利用两步搜索策略进行当前输入样本数据相似数据集的选取,同时提出一种样本数据集的在线更新策略。(2)局部预测模型在烟气含氧量预测中的应用研究通过对锅炉燃烧过程机理的深入分析,确定出烟气含氧量预测模型的初始辅助变量集,并依据锅炉燃烧过程中的大量历史数据,对相关过程参数的数据样本进行3σ异常检测和归一化处理,利用灰色关联分析方法对辅助变量集进行优化筛选,获得最终的辅助变量。利用本文提出的基于即时学习策略的改进SVM预测建模方法建立烟气含氧量预测模型,由于本文方法在本质上具有在线自适应性能力,能更好的适应锅炉燃烧过程中的不同工况。仿真分析说明相对于标准BP神经网络和标准SVM预测模型,基于即时学习策略的改进SVM预测模型具有更好的预测性能,虽然算法的计算开销有所增加,但能够满足锅炉燃烧过程烟气含氧量预测的实时性要求,并及时为生产操作提供参考。(3)局部预测模型在球磨机负荷预测中的应用研究通过对制粉系统运行过程机理的深入分析,确定出球磨机负荷预测模型的初始辅助变量集,并依据制粉过程中的大量历史数据,对相关过程参数的数据样本进行3σ和小波分析异常检测及归一化处理,采用灰色关联分析方法对辅助变量集进行优化筛选,获得最终的辅助变量。利用本文提出的基于即时学习策略的改进SVM预测建模方法建立球磨机负荷预测模型,由于本文方法具有较好的在线自适应性能力,能更好的适应制粉系统运行过程中的不同工况。仿真分析说明相对于标准BP神经网络和标准SVM预测模型,基于即时学习策略的改进SVM球磨机负荷预测模型具有更好的预测性能,虽然算法的计算开销有所增加,但能够满足制粉系统磨机负荷预测的实时性要求,并及时为生产操作提供参考。

关键词：软测量烟气含氧量球磨机负荷局部建模方法即时学习改进支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时变工业过程的即时学习软测量建模方法研究

时变工业过程的即时学习软测量建模方法研究

作者：祁成江南大学

学位级别：硕士

在一些复杂的工业过程中,随着产品质量要求的不断提高,需要对一些直接决定产品质量的过程变量进行严格的监测和控制。但是由于某些测量仪器价格昂贵或者技术条件的制约,使得这些变量无法用在线仪器测量得到。对于这些难以测得的变量,可... 详细信息

在一些复杂的工业过程中,随着产品质量要求的不断提高,需要对一些直接决定产品质量的过程变量进行严格的监测和控制。但是由于某些测量仪器价格昂贵或者技术条件的制约,使得这些变量无法用在线仪器测量得到。对于这些难以测得的变量,可以通过建立软测量模型的方法进行估计和预测。离线建立好的软测量模型投入运行以后,由于催化剂活性失活、设备老化等原因,实际的工业生产过程往往存在时变性,生产过程的工作点将会发生变化,之前建立好的全局模型将失效,不能适用于当前工况。预测的结果不能满足精度要求。因此,采用即时学习(Just-in Time Learning,JITL)策略,通过不断地建立局部模型来克服全局模型的不足。本文基于JITL策略进行软测量建模研究,具体的研究内容和成果如下:(1)对于一些具有非高斯特性的时变工业过程,提出一种基于贝叶斯高斯混合模型(Bayesian Gaussian mixture model,BGMM)的JITL软测量建模方法。首先,对于给定的训练样本集,利用贝叶斯信息准则对高斯混合模型的成分个数进行优化;然后,对于新的测试样本,利用BGMM相似度准则从训练样本中找出与之最相似的一组样本建立高斯过程回归(Gaussian process regression,GPR)模型;最后,用该模型对测试样本进行预测。通过脱丁烷塔塔底丁烷浓度的软测量建模仿真,验证了所提方法的有效性和精度。(2)进一步考虑到工业过程的多阶段特征,在BGMM-JITL单模型的基础上,提出一种多模型建模方法。该方法采用GMM算法对训练集进行聚类处理。对于到来的测试样本,在每个类别中分别采用BGMM的相似度准则选取相似样本建立多个局部GPR子模型,并对该测试样本进行预测得到多个子模型的预测值,最后采用贝叶斯后验概率对多个子模型预测值融合输出。通过青霉素发酵过程中产物浓度的预测实验表明了所提方法有较高的预测精度和可靠性。(3)针对降低即时学习模型更新频率会导致模型精度下降的问题,提出一种基于二阶相似度(Second-order similarity,SOS)的即时学习建模方法。该方法考虑到样本集整体的分布特征,在一阶相似度(First-order similarity,FOS)准则的基础上构建一种二阶相似度准则,选择与待测样本拥有绝大多数相同邻居的相似样本建立局部模型;并引入累计相似度因子自适应地确定建立局部模型时的数据长度,采用相似度阈值判断当前时刻是否需要更新模型。通过一个数值仿真和青霉素发酵过程的仿真验证了所提方法在减少模型耗时的同时,也提高了模型的精度。

关键词：即时学习高斯混合模型高斯过程回归多模型建模二阶相似度

即时学习现学现用——以2016年中考数学北京卷第29题为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基础教育论坛 2017年第4期 54-55页

作者：宋洪龙浙江省宁波市奉化区剡溪中学

文章以2016年中考数学北京卷第29题为例，剖析了“新定义”这类试题的解题策略。在平时教学中，教师要加强对学生阅读能力的培养，使其学会运用知识间的联想，有效提高学生即时学习的能力及明确解答此类问题的方法。

关键词：即时学习阅读能力解题方法

基于改进即时学习算法的吸收塔pH值软测量技术研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

电力科学与工程 2021年第8期37卷 60-66页

作者：李建强杨红牛成林华北电力大学能源动力与机械工程学院河北保定071003

针对火电厂脱硫系统工作过程中存在非线性、时变性、多变量等问题,提出了一种基于改进即时学习算法的脱硫系统吸收塔浆液pH值软测量模型。在选择即时学习算法相似样本时,为了充分考虑输入变量与输出变量之间的相关性,采用一种基于偏最... 详细信息

针对火电厂脱硫系统工作过程中存在非线性、时变性、多变量等问题,提出了一种基于改进即时学习算法的脱硫系统吸收塔浆液pH值软测量模型。在选择即时学习算法相似样本时,为了充分考虑输入变量与输出变量之间的相关性,采用一种基于偏最小二乘法(partial least squares,PLS)的相似准则确定系统当前工作点的建模邻域,利用得到的建模邻域建立基于最小二乘支持向量机(least squares support vector machine,LSSVM)的局部模型预测当前pH值。将该方法应用于脱硫系统吸收塔pH值建模仿真,结果表明,该软测量模型具有良好的预测性能。

关键词：浆液pH值软测量即时学习 PLS LSSVM